チケットの項目

今回用いるRedmineのバグチケットの項目を簡単に説明してます。基本的な項目のみが用意されています。実際は因子型になっている項目をここでは文字型として扱っている点に注意してください。
　 　

チケットデータ

実際のデータは以下のような四千レコード弱のデータです。
　

(redmine <- "./data/redmine.csv" %>% 
  readr::read_csv(local = locale(encoding = "UTF-8")))

分析のための前処理

分析に必要な前処理を行っておきます。作成日と終了日のデータは実際は日時データになっていますので日データに変換して、必要な項目のみを抽出しておきます。
　

(x <- redmine %>% 
  dplyr::select(no = `#`, tracker = `トラッカー`, status = `ステータス`,
                priority = `優先度`, category = `カテゴリ`,
                version = `対象バージョン`, affected = `Affected version`, 
                open = `作成日`, close = `終了日`, subject = `題名`,
                assignee = `担当者`) %>% 
  dplyr::mutate(open = lubridate::date(open), close = lubridate::date(close)))

ステータスごとの集計

各トラッカー（チケットの分類）のステータス（対応状況）を確認するためにクロス集計をしてみます。
　

x %>% 
  dplyr::group_by(tracker, status) %>% 
  dplyr::summarise(n = n()) %>% 
  tidyr::spread(key = tracker, value = n)

　
Defectチケットで約75%、Patchチケットで約80%がクローズしていることが分かります。以降、Closedなチケットを除くオープンチケットに対してクロス集計を行います。
　

優先度ごとの集計

各トラッカーの優先度を確認してみます。
　

x %>% 
  dplyr::filter(status != "Closed") %>% 
  dplyr::group_by(tracker, priority) %>% 
  dplyr::summarise(n = n()) %>% 
  tidyr::spread(key = tracker, value = n)

　
となっており、優先度ごとの状態は

x %>% 
  dplyr::filter(status != "Closed") %>% 
  dplyr::group_by(priority, status) %>% 
  dplyr::summarise(n = n()) %>% 
  tidyr::spread(key = priority, value = n)

　
です。緊急の対応を要するチケットの９割の進捗が芳しくないことが分かります。また、優先度があまり高くないチケットもNeeds feedback状態であることから対応の整理が必要なことが推測できます。
　

緊急の対応を要する対応に急を要するチケットは以下の通りです。
　

x %>% 
  dplyr::filter(status != "Closed") %>% 
  dplyr::filter(priority == "Urgent") %>% 
  dplyr::select(no, tracker, status, subject, assignee)

　
このように緊急対応を要する案件でありながら担当者がアサインされていないことが分かります。次に対応優先度の高いオープンチケットは以下の通りです。
　

x %>% 
  dplyr::filter(priority == "High" & status != "Closed") %>% 
  dplyr::select(no, tracker, status, subject, assignee)

　
こちらも同様に担当者がアサインされているチケットの方が圧倒的に少ない状況です。
　

担当者ごとの集計

チケットの担当者への割当状況を確認してみます。
　

x %>% 
  dplyr::filter(status != "Closed") %>% 
  dplyr::group_by(priority, assignee) %>% 
  dplyr::summarise(n = n()) %>% 
  tidyr::spread(key = priority, value = n)

　
この担当状況を元に担当者が割り当てられていないチケットに担当者をどのように割り当てるかを考えることができます。
　

カテゴリごとの集計

では各カテゴリ（分類）における対応優先がどのようになっているかも確認しておきます。
　

x %>% 
  dplyr::filter(status != "Closed") %>% 
  dplyr::group_by(priority, category) %>% 
  dplyr::summarise(n = n()) %>% 
  tidyr::spread(key = priority, value = n)

このように特定のカテゴリにバグが集中していないことは分かります。
　

週次の集計

open <- x %>% 
  dplyr::filter(open >= "2018-1-1") %>% 
  dplyr::mutate(week = lubridate::week(open)) %>% 
  dplyr::mutate(flag = ifelse(is.na(open), 0, 1)) %>% 
  dplyr::group_by(week) %>% 
  dplyr::summarise(open = sum(flag)) %>% 
  dplyr::arrange(week) %>% 
  dplyr::mutate(cumopen = cumsum(open), diff = open - dplyr::lag(open))

close <- x %>% 
  dplyr::filter(close >= "2018-1-1") %>% 
  dplyr::mutate(week = lubridate::week(close)) %>% 
  dplyr::mutate(flag = ifelse(is.na(close), 0, 1)) %>% 
  dplyr::group_by(week) %>% 
  dplyr::summarise(close = sum(flag)) %>% 
  dplyr::arrange(week) %>% 
  dplyr::mutate(cumclose = cumsum(close), diff = close -dplyr::lag(close))

open

close

open %>% 
  ggplot2::ggplot(ggplot2::aes(x = week)) +
    ggplot2::geom_bar(ggplot2::aes(y = open), stat = "identity", alpha = 0.5) + 
    ggplot2::geom_line(ggplot2::aes(y = diff))

close %>% 
  ggplot2::ggplot(ggplot2::aes(x = week)) +
    ggplot2::geom_bar(ggplot2::aes(y = close), stat = "identity", alpha = 0.5) + 
    ggplot2::geom_line(ggplot2::aes(y = diff))

open_ticket <- open %>% 
  dplyr::full_join(close, by = "week") %>% 
  dplyr::select(week, open, close) %>%
  tidyr::gather(key, value, -week)

open %>% 
  dplyr::full_join(close, by = "week") %>% 
  dplyr::select(week, cumopen, cumclose) %>%
  tidyr::gather(key, value, -week) %>% 
  dplyr::left_join(open_ticket, by = "week") %>% 
  ggplot2::ggplot(ggplot2::aes(x = week)) + 
    ggplot2::geom_bar(ggplot2::aes(y = value.y, fill = key.y), stat = "identity", alpha = 0.5,
                      position = "dodge") +
    ggplot2::geom_line(ggplot2::aes(y = value.x, colour = key.x), stat = "identity")

四半期毎の集計

open <- x %>% 
  dplyr::mutate(quarter = lubridate::quarter(open, with_year = TRUE)) %>% 
  dplyr::mutate(o = ifelse(is.na(open), 0, 1),
                c = ifelse(is.na(close), 0, 1)) %>% 
  dplyr::group_by(quarter) %>% 
  dplyr::summarise(open = sum(o)) %>% 
  dplyr::mutate(cumopen = cumsum(open))

close <- x %>% 
  dplyr::mutate(quarter = lubridate::quarter(close, with_year = TRUE)) %>% 
  dplyr::mutate(o = ifelse(is.na(open), 0, 1),
                c = ifelse(is.na(close), 0, 1)) %>% 
  dplyr::group_by(quarter) %>% 
  dplyr::summarise(close = sum(c)) %>% 
  dplyr::mutate(cumclose = cumsum(close))

open %>%
  dplyr::full_join(close, by = "quarter") %>% 
  dplyr::arrange(quarter)

滞留期間の可視化

優先度ごとにチケットがどれだけ滞留されているか可視化してみます。
　

x %>% 
  dplyr::filter(status != "Closed") %>% 
  dplyr::mutate(days = lubridate::today() - open + 1) %>% 
  dplyr::group_by(priority) %>% 
  dplyr::summarise(min = min(days), med = median(days), max = max(days))

x %>% 
  dplyr::filter(status != "Closed") %>% 
  dplyr::mutate(days = lubridate::today() - open + 1) %>% 
  ggplot2::ggplot(ggplot2::aes(x = priority, y = days)) + 
    ggplot2::geom_boxplot()

　
同様にカテゴリごとの滞留期間を可視化してみます。

x %>% 
  dplyr::filter(status != "Closed") %>% 
  dplyr::mutate(days = lubridate::today() - open + 1) %>% 
  dplyr::group_by(category) %>% 
  dplyr::summarise(min = min(days), med = median(days), max = max(days),
                   mode = which.max(table(days)))

x %>% 
  dplyr::filter(status != "Closed") %>% 
  dplyr::mutate(days = lubridate::today() - open + 1) %>% 
  ggplot2::ggplot(ggplot2::aes(x = category, y = days)) + 
    ggplot2::geom_boxplot()

滞留期間のヒストグラム 　

対処期間の可視化

カテゴリごとのチケット対処期間（開始日から終了日までの期間）を可視化してみます。
　

x %>% 
  dplyr::filter(status == "Closed") %>% 
  dplyr::mutate(days = close - open + 1) %>% 
  dplyr::group_by(category) %>% 
  dplyr::summarise(min = min(days), med = median(days), max = max(days),
                   mode = which.max(table(days)))

x %>% 
  dplyr::filter(status == "Closed") %>% 
  dplyr::mutate(days = close - open + 1) %>% 
  ggplot2::ggplot(ggplot2::aes(x = category, y = days)) + 
    ggplot2::geom_boxplot()

対処推移の可視化

チケットのオープン数とクローズ数の推移を可視化してみます。データ数が多いので2018年4月1日以降のチケットのみを対象としています。
　

df_date <- seq(from = range(x$open)[1], to = range(x$open)[2], by = 1) %>%
  as.data.frame()
names(df_date) <- c("Date")
df_date <- df_date %>% 
  dplyr::filter(Date >= "2018-4-1")

open <- x %>% 
  dplyr::select(ID = no, Tracker = tracker, Status = status,
                OpenDateTime = open, CloseDateTime = close) %>% 
  dplyr::mutate_at(vars(Status),
                   funs(replace(., (. != "Closed"), "Open"))) %>% 
  dplyr::filter(Tracker == "Defect" & Status != "Closed") %>% 
  dplyr::mutate(Date = dplyr::if_else(Status == "Closed", 
                                      lubridate::as_date(CloseDateTime),
                                      lubridate::as_date(OpenDateTime))) %>% 
  dplyr::arrange(Date) %>% 
  dplyr::count(Date, Status) %>% 
  dplyr::right_join(df_date, by = "Date") %>% 
  dplyr::mutate_at(vars(n), funs(replace(., is.na(.), 0))) %>% 
  dplyr::mutate_at(vars(Status), funs(replace(., is.na(.), "Open"))) %>% 
  dplyr::mutate(Cumsum = cumsum(n))

closed <- x %>% 
  dplyr::select(ID = no, Tracker = tracker, Status = status,
                OpenDateTime = open, CloseDateTime = close) %>% 
  dplyr::mutate_at(vars(Status),
                   funs(replace(., (. != "Closed"), "Open"))) %>% 
  dplyr::filter(Tracker == "Defect" & Status == "Closed") %>% 
  dplyr::mutate(Date = dplyr::if_else(Status == "Closed", 
                                      lubridate::as_date(CloseDateTime),
                                      lubridate::as_date(OpenDateTime))) %>% 
  dplyr::arrange(Date) %>% 
  dplyr::count(Date, Status) %>% 
  dplyr::right_join(df_date, by = "Date") %>% 
  dplyr::mutate_at(vars(n), funs(replace(., is.na(.), 0))) %>% 
  dplyr::mutate_at(vars(Status), funs(replace(., is.na(.), "Closed"))) %>% 
  dplyr::mutate(Cumsum = cumsum(n))

open %>% 
  dplyr::bind_rows(closed) %>% 
  dplyr::arrange(Date) %>% 
  ggplot2::ggplot(ggplot2::aes(x = Date, y = Cumsum)) +
    # ggplot2::geom_area(aes(fill = Status), alpha = 0.5, position = "stack")
    # ggplot2::geom_area(aes(fill = Status), alpha = 0.5, position = "identity") +
    ggplot2::geom_line(ggplot2::aes(colour = Status)) +
    # ggplot2::geom_smooth(ggplot2::aes(colour = Status)) +
    ggplot2::geom_bar(ggplot2::aes(y = n, fill = Status), stat = "identity") + 
    ggplot2::labs(x = "days", y = "Number of tickets",
                  title = "Open - Closed Chart") + 
    NULL